深度學習應用於YouTube影片情緒分類__臺灣博碩士論文知識 ...
文章推薦指數： 80 %
詳目顯示. Email地址: 轉寄. 展開. twitter. line · 電子全文 · 國圖紙本論文. 研究生: 劉冠慶. 研究生(外文):, Kuan-Ching Liou. 論文名稱: 深度學習應用於YouTube ...
資料載入處理中...
跳到主要內容
臺灣博碩士論文加值系統
:::
網站導覽|
首頁|
關於本站|
聯絡我們|
國圖首頁|
常見問題|
操作說明
English
|FB專頁
|Mobile
免費會員
登入|
註冊
功能切換導覽列
(165.22.51.111)您好！臺灣時間：2022/07/2315:36
字體大小：
:::
詳目顯示
recordfocus
第1筆/
共1筆
/1頁
論文基本資料
摘要
外文摘要
目次
參考文獻
電子全文
紙本論文
論文連結
QRCode
本論文永久網址: 複製永久網址Twitter研究生:劉冠慶研究生(外文):Kuan-ChingLiou論文名稱:深度學習應用於YouTube影片情緒分類指導教授:陳彥良指導教授(外文):Y.L.Chen學位類別:碩士校院名稱:國立中央大學系所名稱:資訊管理學系學門:電算機學門學類:電算機一般學類論文種類:學術論文論文出版年:2020畢業學年度:108語文別:中文論文頁數:36中文關鍵詞:文字探勘、情緒分析、深度學習、YouTube外文關鍵詞:Textmining、Sentimentanalysis、DeepLearning、YouTube相關次數:
被引用:2點閱:568評分:下載:188書目收藏:1
隨著YouTube成為全球第二大的熱門網站，不斷增加的流量、用戶量與營收，新興的職業與商業模型順應而生，背後的商機非常可觀，在流量變現的時代中，不僅僅是影片上傳者想要精準行銷，使用者們在茫茫的影片海中也想找到適合自己的影片，為了讓使用者可以快速搜尋到想要的影片，管理與分類這些巨量的影音內容成為主要的任務。
而YouTube上除了上傳影片資料外，還包含其他的使用者產生的內容(User-generatedcontent)，如影片標題、標籤、描述、影片評論等等，大部分都是由創作者在上傳影片時自己輸入的，而評論則是由大量的使用者共同創造的，因此我們希望透過結合創作者與使用者共同產生的資訊，能夠提供更加客觀的分類。
以往的YouTube影片分類方法多用機器學習方法分析文本，本篇論文利用深度學習法將網路影片分類到指定的情緒類別中。
本文利用text-CNN提取影片標題、標籤、描述、評論四組文字的局部特徵，再利用Bi-LSTM分析較長的評論特徵，將YouTube影片更有效分類到適合的情緒中，最高達到92.19%。
WithYouTubehasbeenbecomingtheworld’ssecondmostpopularwebsite,YouTubehasbeenincreasingtraffic,uservolumeandrevenue.Newcareersandbusinessmodelshavebeenemerging,andthebusinessopportunitiesbehinditareveryimpressive.contentproviderswanttoprecisionmarketing,andusersalsowanttofindvideosthatsuittheminthevastofvideos.Inorderforuserstoquicklysearchforthevideostheywant,managingandcategorizingthesehugeamountsofvideosbecomethemaintask.Inadditiontouploadingvideo,YouTubealsocontainsotheruser-generatedcontent,suchasvideodescriptions,keywords,titles,comments,etc.,mostofwhichareuploadedbythecontentprovide.Whilethecommentsarecreatedbyalargenumberofusers,wehopetoprovideamoreobjectiveclassificationbycombiningtheinformationgeneratedbycontentprovideandusers.Inthepast,YouTubevideoclassificationmethodsmostlyusedmachinelearningmethodstoanalyzetext.ThispaperusesdeeplearningmethodstoclassifyInternetvideosintodesignatedemotionalcategories.Thispaperusestext-CNNtoextractthelocalfeaturesofthefourgroupsoftexts:title,keywords,description,andcomments,andthenusesBi-LSTMtoanalyzelongercommentfeaturestomoreeffectivelyclassifyYouTubevideosintosuitableemotions,upto92.19%.
摘要iAbstractii致謝iii目錄iv圖目錄v表目錄vi第一章緒論1第二章文獻探討52.1情緒分析52.2圖片情緒分析72.3影片情緒分析7第三章研究方法83.1研究架構83.2資料前處理83.3字詞向量83.4深度學習法103.4.1卷積神經網絡103.4.2遞迴神經網路123.4.3雙向長短期記憶模型123.4.4EnsembleModel13第四章實驗結果164.1實驗設計164.2實驗環境184.3實驗模型參數設定184.4實驗結果21第五章結論24參考文獻25
[1]G.E.HintonandR.R.Salakhutdinov,"Reducingthedimensionalityofdatawithneuralnetworks,"science,vol.313,no.5786,pp.504-507,2006.[2]A.Voulodimos,N.Doulamis,A.Doulamis,andE.Protopapadakis,"Deeplearningforcomputervision:Abriefreview,"Computationalintelligenceandneuroscience,vol.2018,2018.[3]J.L.Elman,"Findingstructureintime,"Cognitivescience,vol.14,no.2,pp.179-211,1990.[4]P.D.Turney,"Thumbsuporthumbsdown?Semanticorientationappliedtounsupervisedclassificationofreviews,"arXivpreprintcs/0212032,2002.[5]B.SnyderandR.Barzilay,"Multipleaspectrankingusingthegoodgriefalgorithm,"inHumanLanguageTechnologies2007:TheConferenceoftheNorthAmericanChapteroftheAssociationforComputationalLinguistics;ProceedingsoftheMainConference,2007,pp.300-307.[6]C.StrapparavaandR.Mihalcea,"Learningtoidentifyemotionsintext,"inProceedingsofthe2008ACMsymposiumonAppliedcomputing,2008,pp.1556-1560.[7]J.Wiebe,T.Wilson,andC.Cardie,"Annotatingexpressionsofopinionsandemotionsinlanguage,"Languageresourcesandevaluation,vol.39,no.2-3,pp.165-210,2005.[8]R.Socheretal.,"Recursivedeepmodelsforsemanticcompositionalityoverasentimenttreebank,"inProceedingsofthe2013conferenceonempiricalmethodsinnaturallanguageprocessing,2013,pp.1631-1642.[9]N.Kalchbrenner,E.Grefenstette,andP.Blunsom,"Aconvolutionalneuralnetworkformodellingsentences,"arXivpreprintarXiv:1404.2188,2014.[10]K.S.Tai,R.Socher,andC.D.Manning,"Improvedsemanticrepresentationsfromtree-structuredlongshort-termmemorynetworks,"arXivpreprintarXiv:1503.00075,2015.[11]V.Yanulevskaya,J.C.vanGemert,K.Roth,A.-K.Herbold,N.Sebe,andJ.-M.Geusebroek,"Emotionalvalencecategorizationusingholisticimagefeatures,"in200815thIEEEinternationalconferenceonImageProcessing,2008:IEEE,pp.101-104.[12]C.Xu,S.Cetintas,K.Lee,andL.Li,"VisualSentimentPredictionwithDeepConvolutionalNeuralNetworks(2014),"arXivpreprintarXiv:1411.5731.[13]Q.You,J.Luo,H.Jin,andJ.Yang,"Robustimagesentimentanalysisusingprogressivelytrainedanddomaintransferreddeepnetworks,"inTwenty-ninthAAAIconferenceonartificialintelligence,2015.[14]H.-B.Kang,"AffectivecontentdetectionusingHMMs,"inProceedingsoftheeleventhACMinternationalconferenceonMultimedia,2003,pp.259-262.[15]X.Gibert,H.Li,andD.Doermann,"SportsvideoclassificationusingHMMs,"in2003InternationalConferenceonMultimediaandExpo.ICME'03.Proceedings(Cat.No.03TH8698),2003,vol.2:IEEE,pp.II-345.[16]B.Xu,Y.Fu,Y.-G.Jiang,B.Li,andL.Sigal,"Heterogeneousknowledgetransferinvideoemotionrecognition,attributionandsummarization,"IEEETransactionsonAffectiveComputing,vol.9,no.2,pp.255-270,2016.[17]Y.Fan,X.Lu,D.Li,andY.Liu,"Video-basedemotionrecognitionusingCNN-RNNandC3Dhybridnetworks,"inProceedingsofthe18thACMInternationalConferenceonMultimodalInteraction,2016,pp.445-450.[18]M.Hajar,"UsingYouTubecommentsfortext-basedemotionrecognition,"ProcediaComputerScience,vol.83,pp.292-299,2016.[19]P.Sarakit,T.Theeramunkong,C.Haruechaiyasak,andM.Okumura,"ClassifyingemotioninThaiyoutubecomments,"in20156thInternationalConferenceofInformationandCommunicationTechnologyforEmbeddedSystems(IC-ICTES),2015:IEEE,pp.1-5.[20]Y.-L.Chen,C.-L.Chang,andC.-S.Yeh,"EmotionclassificationofYouTubevideos,"DecisionSupportSystems,vol.101,pp.40-50,2017.[21]Z.S.Harris,"Distributionalstructure,"inPapersinstructuralandtransformationallinguistics:Springer,1970,pp.775-794.[22]J.R.Firth,"Asynopsisoflinguistictheory,1930-1955,"Studiesinlinguisticanalysis,1957.[23]J.SavignyandA.Purwarianti,"Emotionclassificationonyoutubecommentsusingwordembedding,"in2017InternationalConferenceonAdvancedInformatics,Concepts,Theory,andApplications(ICAICTA),2017:IEEE,pp.1-5.[24]T.Mikolov,K.Chen,G.Corrado,andJ.Dean,"Efficientestimationofwordrepresentationsinvectorspace,"arXivpreprintarXiv:1301.3781,2013.[25]Y.Kim,"Convolutionalneuralnetworksforsentenceclassification,"arXivpreprintarXiv:1408.5882,2014.[26]S.HochreiterandJ.Schmidhuber,"Longshort-termmemory,"Neuralcomputation,vol.9,no.8,pp.1735-1780,1997.[27]T.FischerandC.Krauss,"Deeplearningwithlongshort-termmemorynetworksforfinancialmarketpredictions,"EuropeanJournalofOperationalResearch,vol.270,no.2,pp.654-669,2018.[28]D.LiandJ.Qian,"Textsentimentanalysisbasedonlongshort-termmemory,"in2016FirstIEEEInternationalConferenceonComputerCommunicationandtheInternet(ICCCI),2016:IEEE,pp.471-475.[29]A.GravesandJ.Schmidhuber,"FramewisephonemeclassificationwithbidirectionalLSTMnetworks,"inProceedings.2005IEEEInternationalJointConferenceonNeuralNetworks,2005.,2005,vol.4:IEEE,pp.2047-2052.
電子全文
國圖紙本論文
連結至畢業學校之論文網頁點我開啟連結註:此連結為研究生畢業學校所提供，不一定有電子全文可供下載，若連結有誤，請點選上方之〝勘誤回報〞功能，我們會盡快修正，謝謝！
推文
網路書籤
推薦
評分
引用網址
轉寄
top
相關論文
相關期刊
熱門點閱論文
1.
以主客觀分析與相互資訊檢索探討情感分析之準確度-以電影評論為例
2.
運用文字探勘技術於口碑分析之研究
3.
應用深度學習於財經新聞來源對股價趨勢預測之研究
4.
以GoogleApp評論為字詞權重調整之情緒分析系統
5.
從財金新聞預測公司財報之營收走勢
6.
熱門華語流行音樂歌詞情緒分析與趨勢發展
7.
探討臺灣網民對鄰國的情感
8.
應用自我組織圖於社會網路文字訊息之情感分析
9.
文本探勘與情緒分析於產品推薦之應用-以PTT電影版為例
10.
應用深度學習於社群媒體情緒分析-以軍事類網路留言版為例
11.
深度學習與情感分析應用於股價預測
12.
應用深度學習於社群網路消費者評論之情感分析研究
13.
運用文字探勘探討網路匿名性對個人發言之影響
14.
巨量資料環境下之新聞主題暨輿情與股價關係之研究
15.
中文情感分析應用於PTT之研究
無相關期刊
1.
跨平台推薦系統，基於Facebook使用者特質推薦Instagram熱門帳號
2.
強化使用者和電影評分關係，打造Userprofile之電影推薦系統
3.
探討觀眾持續觀看及購買意圖之影響因素—以YouTube業配影片為例
4.
PredictingeWOM’sInfluenceonPurchaseIntentionBasedonHelpfulness,Credibility,InformationQualityandProfessionalism.
5.
知識型YouTube影片的觀看動機與影片流暢度之影響因素：探索式研究
6.
Atemplateapproachforsummarizingrestaurantreviews
7.
幽默與敘事性廣告類型對於廣告分享意圖之影響–以YouTube影片為例
8.
基於深度學習之相片美學評分系統
9.
基於深度學習之謠言檢測法：以食安謠言為例
10.
影響知識型YouTube頻道影片持續觀看行為之因素
11.
影響消費者使用YouTube蒐集產品資訊的因素-以3C家電產品為例
12.
NeuralNetworkArchitectureOptimizationBasedonVirtualRewardReinforcementLearning
13.
應用深度學習於遺漏值填補在財務危機領域的影響分析
14.
情感觀點分析之評論應用
15.
以注意力機制輔助文本分類中的資料增益
簡易查詢 |
進階查詢 |
熱門排行 |
我的研究室
